发展至今，[**]I已经收获了非常多的成果，甚至在一些传统的智力竞技中战胜了人类，例如围棋。但是针对[**]I的发展却依旧存在不少争议。一方面，作为人类，我们对于智能的认知，其实还是围绕我们自身的“智能(思维模式)”展开的，换言之我们只是让计算机通过数据的堆栈学习，来模范我们的思维逻辑，并不是真正意义上的思考(这涉及到哲学思想)；另一方面，假设[**]I真的能够发展自我思考的程度，那么它们又会如何去看待人类这个群体。
 
　　但无论争议是否存在，[**]I确实已经被广泛运用，并且展示了兼顾人类思维逻辑和计算机理性思维的巨大优势。从2019年世锦赛开始，[**]I被大范围地运用到体育竞技的裁定中，其中甚至包含了体操这种特殊的比赛项目。而[**]I在裁判的过程中，能通过采集运动员的三维图像，追踪运动员的动作，并针对旋转、跳跃、扭动等动作进行分析，依照事先学习的评分标准和裁定方式，以一种客观的视角对选手的技术动作，尤其是难度和完成度两方面进行评分。当然这种评分最终还是需要人工来进一步优化成绩的合理性，不过至少可以减少、避免判而不公、错而不罚的情况出现。并且，这项[**]I裁判逻辑在羽毛球、网球、乒乓球这类项目中，实用价值更加突出。
 
　　[**]I的实用价值不仅仅是在竞技裁判这方面，在医疗监测、病状诊断上，表现更加突出。众所周知，医疗检测对于病状的判明已经后续的针对性治疗有非常大的价值，而许多疾病的病状会在一定程度上呈现相似性。[**]I通过大量的数据学习，可以实现对症状的判断与归纳，这对于病灶检测有非常重要的意义。尤其是在胃镜这类特殊的医疗检测项目上，[**]I能够弥补白光内镜的缺陷，从而帮助医生更快更准确的掌握病状细节，更准确的进行判断。尤其是针对早期胃癌，能够有效地避免漏诊发生。
 
　　事实上，目前[**]I在面对复杂检测的时候，并不能实现自主判断，更多时候还是起到辅助作用，这也是为什么针对目前[**]I的思考逻辑仍然存在争议，但是可以确定的一点是，[**]I的出现，确实强化了检测监测技术在细节上的把握程度，在对于精度要求高的检测项目上，更能起到重要的作用。并且可以预期的是，随着技术以及算法的进一步推进，这种在检测监测技术发展上带来的改变将会更加直观。因此，从现有成果上来看，[**]I的价值有目共睹。